Embed Size (px)
Citation preview
3E Calcul des intervalles de variation et analyse de scénarios
Lorsque, au tout début de la construction d'un modèle quantitatif, l'on y incorpore des coûts, des
taux, des quantités de ressources disponibles, on néglige dans ce premier effort d'y introduire les
variations éventuelles de ces paramètres qui seraient causées par la difficulté des
approvisionnements en matériaux, par la présence des aléas de productivité, par la possibilité de
pannes et tutti quanti. Et pourtant, il faudrait en tenir compte pour avoir une image complète et
réaliste du problème traité. Bien que la zone grise plus ou moins diffuse dans laquelle baigne
chaque nombre n'ait pas à être circonscrite au départ, on s'attend à ce que les nombres utilisés
soient éventuellement pris avec un grain de sel, comme on prendrait en compte une vision
politicienne du réel, c'est-à-dire en apportant des nuances, en dégonflant peu ou prou les
prévisions, en atténuant ou en accentuant les valeurs annoncées. Et comme chaque donnée peut
en fait osciller autour de la valeur déclarée, on comprendra que ces divers mouvements puissent
se conjuguer de façon complexe les petites causes n'entraînent-elles pas souvent de grands
effets? pour modifier la valeur des variables de décision obtenues dans une solution optimale.
Il arrive même qu'une fois les imprécisions sur les données levées dans un sens ou dans l'autre,
les variables de base de la nouvelle solution optimale forment un groupe qui présente peu de
points communs avec celui obtenu des données initiales.
On comprend qu'il faille investiguer la sensibilité des solutions optimales aux changements
envisageables dans la valeur des différents coefficients apparaissant dans la fonction-objectif ou
dans les contraintes technologiques. Cette analyse à laquelle nous soumettrons les modèles porte le
nom d'analyse de scénarios, pour la bonne raison que cette analyse s'intéresse aux mouvements de
la solution optimale induits par des changements apportés aux valeurs des paramètres.
Nous ne donnerions qu'en partie raison à qui prétendrait qu'il vaut mieux, pour tenir compte de
chaque fournée de ces variations, reprendre chaque fois le chemin des pivotages plutôt que
s'astreindre à en prévoir les effets sur la solution optimale d'origine. En effet, suivre cette recette de
facilité, c'est se priver de la vision intimiste, que fournit l'analyse de scénarios, du degré de stabilité
de la solution optimale. L'analyse de scénarios permet en effet de détecter les paramètres dont une
faible oscillation suffit à chambarder la solution optimale proposée par le tableau final. Elle fournit
au décideur averti des diagnostics prémonitoires qui l'inciteront à recourir à de meilleures
estimations des paramètres les plus sensibles du modèle ou à mettre en place des mécanismes de
surveillance de ces paramètres déclencheurs de changements par leurs moindres glissements.
L'objectif de cette annexe est de décrire l'impact sur la solution optimale de changements
apportés à l'un ou l'autre des paramètres du modèle. Notre étude comporte deux parties. Dans la
première, qui regroupe les articles 1 et 2, le problème de la Fonderie Rivière-Bleue est utilisé
pour illustrer les principes fondamentaux de l'analyse de scénarios :
2 Annexe 3E
Nous indiquons d’abord comment déterminer géométriquement, puis algébriquement,
l'impact sur la solution optimale de changements apportés à l'un des coefficients cj de la
fonction-objectif; nous calculons également l’intervalle de variation d’un tel coefficient cj.
À l’article 2, nous décrivons, géométriquement puis algébriquement, les effets induits sur la
région admissible et sur la solution optimale par des modifications apportées à l'un des bi,
membres droits des contraintes; enfin, nous calculons l’intervalle de variation d’un tel bi.
L’analyse algébrique se présente ici sous une forme légèrement différente que dans la section 3.4.
Évidemment, les résultats sont les mêmes. Dans la seconde partie (articles 3 et 4), nous
illustrerons par quelques exemples les questions usuelles auxquelles l'analyse de scénarios permet
de répondre.
3E.1 Modification d'un coefficient cj de la fonction-objectif
Approche géométrique
Nous illustrons notre propos par le modèle (FRB) déjà utilisé dans les sections 1, 2 et 3 du
chapitre 3. Rappelons ce modèle.
Max z = 1 000 x1 + 1 200 x2 (0)
sous les contraintes :
10 x1 + 5 x2 ≤ 200 (ébarbage) (1)
2 x1 + 3 x2 ≤ 60 (peinture) (FRB) (2)
x1 ≤ 18 (demande de tuyauterie) (3)
x2 ≤ 30 (commande de gueuses) (4)
x1 , x2 ≥ 0. (5)
Nous avons vu que la solution optimale de (FRB) correspond au point B = (15; 10) et propose de
produire 15 tonnes de tuyauterie et 10 tonnes de gueuses. Aurèle, le propriétaire de la fonderie, songe
cependant à hausser le prix des tuyaux et il aimerait savoir si ce plan de production resterait optimal.
Pour l'instant, il commence seulement à explorer cette option et il ne serait pas encore en mesure
d'évaluer l'impact d'une hausse de prix sur la demande : il considère donc en première analyse que
celle-ci ne serait pas affectée. Ainsi, Aurèle s'intéresse au modèle (FRB') consistant à maximiser
z' = k x1 + 1200 x2 (6)
sous les mêmes contraintes (1) à (5). Aurèle considère plus particulièrement les valeurs de k
supérieures à 1000. Mais, pour mieux illustrer la technique de résolution, nous permettrons à k de
prendre également des valeurs inférieures à 1000.
Calcul des intervalles de variation et analyse de scénarios 3
Nous déterminerons pour quelles valeurs de k le point B = (15; 10) constitue une solution optimale
de (FRB'). L’ensemble de ces valeurs s’appelle l’intervalle de variation du coefficient c1.
Notre approche sera d'abord géométrique. Pour une valeur fixée de k, les courbes de niveau de la
fonction-objectif modifiée z' sont des droites de pente1 k / 1200, parallèles entre elles. Lorsque k
augmente, ces droites adoptent des pentes qui sont, en valeur absolue, de plus en plus grandes. Si
k dépasse 1000 légèrement (voir figure 1, graphique de gauche), la courbe de niveau d ' de z
'
passant par le point B = (15; 10) se situe dans l'angle formé par la droite d associée à la fonction-
objectif originale z et par la droite associée à la contrainte (1), et B est l’unique solution optimale
de (FRB'). Par contre, si k est suffisamment élevé (voir figure 1, graphique de droite), la courbe
de niveau d ' passant par B coupe l'intérieur du polygone OABCD et c'est au sommet C = (18; 4)
que se situe alors l'optimum de (FRB').
FIGURE 1 Influence de k sur les courbes de niveau de z' : cas où k > 1000
Le cas limite où le sommet B cesse d'être optimal est atteint lorsque les droites de niveau de z'
deviennent parallèles à la droite BC associée à la contrainte (1). Et k vaut alors 2400 puisque
k / 1200 = pente de d ' = pente de la droite BC = 10 / 5
k = ( 10 / 5 ) 1200 = 2400.
1 Considérons une courbe de niveau d ' particulière d’équation z' = k x1 + 1200 x2 = c, où k est supposé positif et où c est une
constante. Et isolons la variable x2 associée à l'axe vertical :
1200 x2 = k x1 + c
x2 = ( k / 1200) x1 + (c / 1200).
La pente de la droite représentée par cette équation est égale au coefficient de x1, soit k / 1200 : en effet, si la variable x1 associée à
l'axe horizontal est augmentée de 1, la variable x2 associée à l'axe vertical diminue de k / 1200.
4 Annexe 3E
De même, si k est légèrement inférieur à 1000 (voir figure 2, graphique de gauche), la droite d '
est dans l'angle formé par d et par la droite associée à la contrainte (2), et B est l’unique solution
optimale de (FRB'). Lorsque k diminue, la droite d ' devient de plus en plus horizontale et, au-delà
d'une certaine valeur limite, B cesse d'être le sommet optimal et voit A le supplanter dans ce rôle
(voir figure 2, graphique de droite). Le cas limite correspond à la valeur du paramètre k qui
rend d ' parallèle à la droite associée à (2) : par conséquent, k = ( 2 / 3 ) 1200 = 800.
FIGURE 2 Influence de k sur les courbes de niveau de z' : cas où 0 < k < 1000
En résumé :
si k < 800, le sommet A est l'unique solution optimale de (FRB');
si k = 800, tous les points du segment [A; B] sont des solutions optimales de (FRB');
si k est compris entre 800 et 2400, le sommet B est l'unique solution optimale de (FRB');
si k = 2400, tous les points du segment [B; C] sont des solutions optimales de (FRB');
si k > 2400, le sommet C est l'unique solution optimale de (FRB').
Ainsi, l’intervalle de variation du coefficient c1 du modèle (FRB) est l’intervalle [800; 2400].
Dans le présent exemple, lorsque le paramètre c1 dépasse la borne 2400, l'optimum passe du
sommet B au sommet adjacent C et y reste, quelles que soient les augmentations ultérieures
données à c1. Cette stabilité ne s'obtient pas aussi rapidement dans tous les modèles : il existe
souvent une suite de bornes qui, chacune, déclenchent le passage de l'optimum en un nouveau
sommet. Certains logiciels décrivent, sous le nom d'analyse paramétrique, l'évolution de
l'optimum pour toutes les valeurs possibles d'un paramètre donné, à choisir parmi les cj ou les bi.
Calcul des intervalles de variation et analyse de scénarios 5
Approche algébrique
Tel qu’indiqué dans la section 3.3.7 (voir pages 191 et 192), l’analyse algébrique recourt au
lexique optimal. Rappelons que, dans le cas du modèle (FRB), le lexique optimal prend la forme
suivante et que la solution de base associée correspond au sommet B = (15; 10).
Max z = 27 000 30 e1 350 e2 (7)
sous les contraintes :
x1 = 15 0,15 e1 + 0,25 e2 (8)
x2 = 10 + 0,10 e1 0,50 e2 (9)
e3 = 3 + 0,15 e1 0,25 e2 (Lexique no 2) (10)
e4 = 20 0,10 e1 + 0,50 e2 (11)
x1, x2, e1, e2, e3, e4 ≥ 0. (12)
Notre premier objectif est de construire le lexique de (FRB') associé au sommet B. Notons
d’abord que modifier uniquement la fonction-objectif d’un modèle linéaire n’a pas d’impact sur
la région admissible puisque les contraintes demeurent inchangées. Les équations (8) à (11) du
Lexique no 2 demeurent donc valides avec la fonction-objectif z'. Le lexique recherché
comprendra également les contraintes (12) de non-négativité, ainsi que l’objectif z'. L’équation
(6) ne fera pas l’affaire, car elle fait intervenir les variables de base x1 et x2. Pour obtenir la
version désirée de la fonction-objectif modifiée z', nous récrivons d’abord (6) sous la forme
suivante :
z' = (1000 + ) x1 + 1 200 x2 = z + x1. (13)
Puis, nous transformons (13) en remplaçant z et x1 par les valeurs données dans les équations (7)
et (8) du lexique optimal de (FRB) :
z' = 27 000 30 e1 350 e2 + (15 0,15 e1 + 0,25 e2).
Après quelques manipulations algébriques, cette dernière équation se récrit :
z' = (27 000 + 15 ) (30 + 0,15 ) e1 (350 0,25 ) e2. (14)
Voici donc le lexique de (FRB') associé au sommet B.
Max z' = (27 000 + 15 ) (30 + 0,15 ) e1 (350 0,25 ) e2 (15)
sous les contraintes :
x1 = 15 0,15 e1 + 0,25 e2 (16)
6 Annexe 3E
x2 = 10 + 0,10 e1 0,50 e2 (17)
e3 = 3 + 0,15 e1 0,25 e2 (Lexique FRB') (18)
e4 = 20 0,10 e1 + 0,50 e2 (19)
x1, x2, e1, e2, e3, e4 ≥ 0. (20)
En attribuant, dans ce lexique, la valeur 0 aux variables hors base e1 et e2, on obtient la solution
de base admissible (15; 10; 0; 0; 3; 20). Cette solution, qui est optimale pour le modèle (FRB),
ne sera optimale pour (FRB') que si les améliorations marginales des variables hors base e1 et e2
sont négatives ou nulles. Analysons ce que signifie cette condition.
Dans le cas de la variable e1, l’amélioration marginale est négative ou nulle
si et seulement si (30 + 0,15 ) ≤ 0
si et seulement si 30 + 0,15 ≥ 0
si et seulement si 0,15 ≥ 30
si et seulement si ≥ 30 / 0,15 = 200.
Dans le cas de la variable e2, l’amélioration marginale est négative ou nulle
si et seulement si (350 0,25 ) ≤ 0
si et seulement si 350 0,25 ≥ 0
si et seulement si 0,25 ≤ 350
si et seulement si ≤ 350 / 0,25 = 1400.
En résumé, le lexique (15) à (20) est optimal pour le modèle (FRB')
si et seulement si 200 ≤ ≤ 1400
si et seulement si 800 ≤ 1000 + ≤ 2400.
Ainsi, l’intervalle de variation du coefficient c1 du modèle (FRB) est l’intervalle [800; 2400].
3E.2 Modification d'un coefficient bi, membre droit d’une contrainte technologique
Approche géométrique
Supposons maintenant qu'Aurèle cherche à maximiser la fonction-objectif originale z tout en ne
sachant pas précisément de combien d'heures il disposera à l'atelier d'ébarbage la semaine
prochaine. C'est dire qu'Aurèle cherche à résoudre le modèle (FRB") qui consiste à maximiser z
sous les contraintes (21), (2), (3), (4) et (5), où
Calcul des intervalles de variation et analyse de scénarios 7
10 x1 + 5 x2 k. (21)
Les figures 3 et 4 indiquent l'effet sur la région admissible d'une variation du membre droit de la
contrainte (1). Dans la première, on considère que le nombre k d’heures disponibles dans l'atelier
d'ébarbage dépasse la valeur 200 utilisée dans le modèle (FRB). Le graphique de gauche de la
figure 3 correspond à la valeur k = 210 : la région admissible de (FRB") est représentée par le
polygone OAB"C"D et l'optimum de (FRB") est atteint au sommet B" = (16,5; 9), intersection
des droites associées aux contraintes (21) et (2), tout comme l'optimum de (FRB) est le sommet B
commun aux droites associées à (1) et à (2).
Par contre, dans le graphique de droite de la figure 3, le point B" situé à l’intersection des droites
associées aux contraintes (21) et (2) n’est pas admissible et ne peut donc pas être une solution
optimale.
FIGURE 3 Influence de k sur la région admissible : cas où k > 200
Le cas limite où le point B" cesse d'être admissible est atteint lorsque les droites associées aux
contraintes (21), (2) et (3) se rencontrent au point P du graphique de droite de la figure 3.
Comme P est situé à l’intersection des droites associées à (2) et (3), ses coordonnées x1 et x2
satisfont aux équations
2 x1 + 3 x2 = 60 et x1 = 18.
Il en résulte que P = (18; 8). Enfin, puisque P appartient également à la droite associée à (21),
k = (10 18) + (5 8) = 220.
La figure 4 traite du cas où 0 < k < 200. Dans le graphique de gauche, qui correspond à la valeur
k = 120, l'optimum de (FRB") est atteint au sommet B" = (3; 18), intersection des droites
8 Annexe 3E
associées aux contraintes (21) et (2). Par contre, dans le graphique de droite, où k = 80, le
point B" ne peut être une solution optimale, car sa 1re
coordonnée est négative; l’optimum de ce
modèle (FRB") est atteint au sommet R = (0; 16).
FIGURE 4 Influence de k sur la région admissible : cas où 0 < k < 200
Le cas limite où le point B" cesse d'être admissible est atteint lorsque les droites associées aux
contraintes (21) et (2) se rencontrent au point A = (0; 20) situé sur l’axe vertical. Ce cas
correspond à la valeur k = 100 : en effet, puisque A appartient alors à la droite associée à la
contrainte (21), ses coordonnées satisfont à l’équation définissant cette droite et
k = 10 x1 + 5 x2 = (10 0) + (5 20) = 100.
Approche algébrique
D’après les calculs de nature géométrique qui précèdent, l'optimum de (FRB") est situé à l’inter-
section des droites associées aux contraintes (21) et (2), pourvu que le membre droit de (21)
appartienne à l’intervalle [100; 220]. Nous indiquons maintenant comment retrouver ce résultat à
partir de considérations purement algébriques. L’avantage de cette 2e approche est qu’elle
s’adapte sans problème à des modèles linéaires comportant plus de deux variables de décision.
Comme dans le cas des coefficients cj traité dans l’article 3E.1, le calcul algébrique des
intervalles de variation des membres droits bi utilise un paramètre représentant la modification
apportée au membre droit considéré. Le modèle (FRB") analysé ici s’obtiendra donc de (FRB)
en remplaçant (1) par
10 x1 + 5 x2 200 + . (22)
Calcul des intervalles de variation et analyse de scénarios 9
Écrivons les modèles (FRB) et (FRB") sous forme d’équations en introduisant les variables
d’écart requises. D’abord (FRB) :
Max z = 1000 x1 + 1200 x2
sous les contraintes :
10 x1 + 5 x2 + e1 = 200
2 x1 + 3 x2 + e2 = 60 (FRB=)
x1 + e3 = 18
x2 + e4 = 30
x1 , x2 , e1 , e2 , e3 , e4 ≥ 0.
Et voici le modèle (FRB") sous forme d’équations :
Max z = 1000 x1 + 1200 x2
sous les contraintes :
10 x1 + 5 x2 + e1 = 200 +
2 x1 + 3 x2 + e2 = 60 (FRB"=)
x1 + e3 = 18
x2 + e4 = 30
x1 , x2 , e1 , e2 , e3 , e4 ≥ 0.
Notons que les deux modèles coïncident, sauf que le second contient une «colonne ». De plus,
cette «colonne » est identique à la colonne de la variable d’écart e1. On montre facilement, en
considérant une à une les diverses opérations constituant un pivotage, que cette propriété est
conservée d’une itération à l’autre, pourvu que les termes impliquant la variable d’écart e1 restent
dans les membres gauches des équations2. Il en résulte que cette propriété se vérifie également
dans le lexique optimal. Par conséquent, on obtient un «lexique» de (FRB") en ajoutant au
lexique (7) – (12) de (FRB) une «colonne » identique à la colonne de e1, mais avec des signes
inversés puisque les termes impliquant la variable e1 sont placés dans les membres droits :
Max z = 27 000 30 e1 350 e2 (23)
sous les contraintes :
2 Le fait de placer, dans un lexique, les variables de base à gauche du symbole d’égalité et les variables hors base à sa
droite est une convention commode, et non une nécessité mathématique. On pourrait reprendre la description de
l’algorithme du simplexe en maintenant les six variables x1, x2, e1, e2, e3 et e4 dans les membres gauches. Le seul
inconvénient, c’est que l’algorithme deviendrait moins intuitif, moins simple à comprendre. D’ailleurs, les manuels
de la recherche opérationnelle ont traditionnellement présenté l’algorithme sous cette forme.
10 Annexe 3E
x1 = 15 + 0,15 0,15 e1 + 0,25 e2 (24)
x2 = 10 0,10 + 0,10 e1 0,50 e2 (25)
e3 = 3 0,15 + 0,15 e1 0,25 e2 (26)
e4 = 20 + 0,10 0,10 e1 + 0,50 e2 (27)
x1, x2, e1, e2, e3, e4 ≥ 0. (28)
Le critère d’optimalité est nécessairement satisfait dans l’objectif (23). Cependant, la solution de
base associée est admissible si et seulement si les membres droits sont non négatifs lorsqu’on
annule les variables hors base e1 et e2. Autrement dit, on obtient une solution optimale de (FRB")
quand
15 + 0,15 ≥ 0 et 10 0,10 ≥ 0 et 3 0,15 ≥ 0 et 20 + 0,10 ≥ 0.
Pour résoudre cet ensemble de 4 conditions, nous les traitons d’abord une à une.
x1 ≥ 0 : 15 + 0,15 ≥ 0 autrement dit ≥ 15 / 0,15 = 100
x2 ≥ 0 : 10 0,10 ≥ 0 autrement dit ≤ 10 / 0,10 = 100
e3 ≥ 0 : 3 0,15 ≥ 0 autrement dit ≤ 3 / 0,15 = 20
e4 ≥ 0 : 20 + 0,10 ≥ 0 autrement dit ≥ 20 / 0,10 = 200.
En résumé, la solution de base associée au «lexique» est admissible – et alors automatiquement
optimale – si et seulement si 100 ≤ ≤ 20. Exprimé en termes du membre droit de (22), cette
dernière condition signifie que 100 ≤ 200 + ≤ 220. Par conséquent, l’intervalle de variation du
membre droit de la 1re
contrainte technologique est [100; 220] et on retrouve le résultat obtenu
précédemment à partir de considérations géométriques.
3E.3 Analyse de scénarios en présence d’un lexique optimal : Kalinine
Pour notre premier exemple, nous reprenons le contexte de l’exercice de révision no 1 de la
section 2.1. La maison Kalinine vient de lancer un article de confection, la roubachka russe, qui a
toute la faveur des amateurs de jeans et de rock. La maison Kalinine en confectionne quatre
modèles, qui se distinguent les uns des autres par la finesse du tissu utilisé, l’élaboration du
travail de broderie, la qualité des coutures et la beauté de l’emballage. Les données relatives à la
confection de ces roubachki (pluriel de roubachka) sont présentées dans les deux tableaux ci-
dessous.
Calcul des intervalles de variation et analyse de scénarios 11
Durée (en min/u) des opérations de fabrication
Atelier La Cosaque L’Ukrainienne La Slavonne La Tatare
Coupe 5 8 6 8
Couture 10 8 7 6
Broderie 20 15 10 25
Emballage 5 6 5 4
Coûts de fabrication et prix de vente unitaires
Main-d’oeuvre 7,50 $ 8,00 $ 6,50 $ 8,00 $
Fournitures 15,00 $ 12,00 $ 8,00 $ 10,00 $
Emballage 2,00 $ 1,50 $ 1,00 $ $ 1,50 $
Prix de vente 44,50 $ 45,50 $ 39,50 $ 49,50 $
Kalinine : Main-d’oeuvre disponible (en minutes) dans chaque atelier le mois prochain
Atelier Coupe Couture Broderie Emballage
Disponibilité 21 000 33 000 50 000 25 000
La demande pour chacun des quatre modèles est jusqu’à présent supérieure à la capacité de
production de Kalinine. Le carnet de commandes forcera Kalinine à fabriquer le mois prochain au
moins 1 000 roubachki L’Ukrainienne et au moins 1 300 roubachki La Slavonne.
La direction de Kalinine utilise pour planifier ses opérations le modèle linéaire continu suivant,
noté (P) ci-après.
Max z = 20 xC + 24 xU + 24 xS + 30 xT
sous les contraintes :
Disp. Coupe 5 xC + 8 xU + 6 xS + 8 xT ≤ 21 000
Disp. Couture 10 xC + 8 xU + 7 xS + 6 x xT ≤ 33 000
Disp. Broderie 20 xC + 15 xU + 10 xS + 25 xT ≤ 50 000
Disp. Emballage 5 xC + 6 xU + 5 xS + 4 xT ≤ 25 000
Carnet Ukraine xU ≥ 1 000
Carnet Slavonne xS ≥ 1 300
xC , xU , xS , xT ≥ 0,
où xJ représente le nombre de roubachki du modèle J fabriquées et vendues le mois prochain,
avec J = C (La Cosaque), U (L’Ukrainienne), S (La Slavonne) et T (La Tatare). L’intégrité des
variables sera prise en compte lors de l’interprétation des résultats. Voici un lexique optimal.
Max z = 76 000 – 2 xT – 4 e1 – 8 e5 – 0 e6
sous les contraintes :
xC = 1040 – 1,6 xT – 0,2 e1 – 1,6 e5 – 1,2 e6
12 Annexe 3E
e2 = 5500 + 10 xT + 2 e1 + 8 e5 + 5 e6
e3 = 1200 + 7 xT + 4 e1 + 17 e5 + 14 e6
e4 = 7300 + 4 xT + e1 + 2 e5 + e6
xU = 1000 + e5
xS = 1300 + e6
xC , xU , xS , xT , e1 , e2 , e3 , e4 , e5 , e6 ≥ 0.
D’après ce lexique, le profit optimal est de 76 000 dollars et peut s'obtenir en fabriquant 1040
roubachki La Cosaque, 1000 L'Ukrainienne, 1300 La Slavonne et aucune La Tatare. Mais, il
existe d'autres plans de production optimaux puisque le coût marginal de la variable hors base e6
est nul : il suffit de donner à e6 une valeur positive inférieure à 1040/1,2 = 866,7 puis de calculer
les valeurs des variables de base à l'aide du lexique. Par exemple, en posant e6 = 100 et en
annulant les trois autres variables hors base, on obtient un autre plan optimal où
xC = 1040 – (1,2 100) = 920 et xU = 1000 et xS = 1300 + 100 = 1400 et xT = 0.
Noter qu’il faut prendre pour valeur de e6 un nombre entier multiple de 5, de façon à ce que la
variable de base xC prenne une valeur entière.
Nous considérons maintenant divers scénarios qui pourraient intéresser les gestionnaires de
Kalinine.
Scénario 1. La direction de Kalinine songe à augmenter de 2$ le prix de vente de L'Ukrainienne.
Quel serait alors le plan de production optimal? Quel profit l'entreprise en retirerait-elle?
La fonction-objectif deviendrait
z' = 20 xC + 26 xU + 24 xS + 30 xT = z + 2 xU.
Exprimons z' en fonction des variables hors base du lexique :
z' = 76 000 – 2 xT – 4 e1 – 8 e5 – 0 e6 + 2 (1000 + e5) = 78 000 – 2 xT – 4 e1 – 6 e5 – 0 e6.
La solution de base associée au lexique est optimale pour z' également puisque les profits
marginaux des variables hors base demeurent tous non positifs.
Le plan optimal consisterait toujours à fabriquer 1040 roubachki La Cosaque, 1000 L'Ukrainienne,
1300 La Slavonne et aucune La Tatare. Le profit optimal augmenterait de 21000 = 2000
dollars, pour s'établir à 78 000 $.
Scénario 2. La réponse au scénario précédent a suscité la question suivante : de combien
pourrait-on augmenter le prix de vente de L'Ukrainienne sans modifier le plan optimal de
production?
Calcul des intervalles de variation et analyse de scénarios 13
Notons l’augmentation du prix de vente de L'Ukrainienne. Cette augmentation se réflète
directement sur la marge unitaire du modèle et la fonction-objectif s’écrit :
z' = z + xU, où ≥ 0.
Exprimons z' en fonction des variables hors base du lexique :
z' = 76 000 – 2 xT – 4 e1 – 8 e5 – 0 e6 + (1000 + e5)
= (76 000 + 1000 ) – 2 xT – 4 e1 – (8–) e5 – 0 e6.
La solution de base associée au lexique est optimale pour z' également pourvu que le coefficient
de e5 soit non positif, c’est-à-dire pourvu que ≤ 8. Ainsi, le plan optimal de production ne
serait pas modifié si le prix de vente de L'Ukrainienne était augmenté de 8 dollars ou moins.
Scénario 3. Le plan de production associé au lexique final propose de ne fabriquer aucune
roubachka La Tatare. À partir de quel prix de vente deviendrait-il rentable pour Kalinine de
produire ce modèle?
Selon le lexique, fabriquer une roubachka La Tatare entraînerait, aux prix actuels, un manque à gagner
de 2 $. Il deviendrait rentable pour Kalinine de produire ce modèle si le coefficient de xT dans la
fonction-objectif augmentait de 2, autrement dit si le prix de vente de La Tatare était porté à 51,50 $.
Scénario 4. La main-d'oeuvre de l'atelier de coupe n'est pas suffisante pour permettre
l'exploitation complète des ressources disponibles dans les autres ateliers. Kalinine décide de
louer du temps de coupe chez un concurrent. Combien devrait-on en louer? Quel taux horaire
maximal serait-on prêt à verser pour ce temps supplémentaire?
Louer des minutes de coupe revient à remplacer la 1re
contrainte technologique par
5 xC + 8 xU + 6 xS + 8 xT 21000 + Δ,
où Δ 0 représente le nombre de minutes louées chez le concurrent. Le lexique initial se verra
donc adjoindre une colonne Δ identique, au signe près, à celle associée à la variable d'écart e1. Il
en sera de même dans le lexique final, qui s’écrira sous la forme suivante.
Max z = 76 000 – 2 xT – 4 e1 – 8 e5 – 0 e6
sous les contraintes :
xC = 1040 + 0,2 Δ – 1,6 xT – 0,2 e1 – 1,6 e5 – 1,2 e6
e2 = 5500 – 2 Δ + 10 xT + 2 e1 + 8 e5 + 5 e6
e3 = 1200 – 4 Δ + 7 xT + 4 e1 + 17 e5 + 14 e6
e4 = 7300 – Δ + 4 xT + e1 + 2 e5 + e6
xU = 1000 + e5
xS = 1300 + e6
xC , xU , xS , xT , e1 , e2 , e3 , e4 , e5 , e6 ≥ 0.
14 Annexe 3E
Il faut choisir Δ de sorte que chaque variable de base reste non négative. Les variables xU et xS ne
sont pas affectées par la location de temps de coupe. Pour les autres, il faut résoudre les
inéquations suivantes :
xC ≥ 0 : 1040 + 0,2 Δ ≥ 0 toujours vrai, car Δ ≥ 0
e2 ≥ 0 : 5500 – 2 Δ ≥ 0 autrement dit ≤ 5500 / 2 = 2750
e3 ≥ 0 : 1200 – 4 Δ ≥ 0 autrement dit ≤ 1200 / 4 = 300
e4 ≥ 0 : 7300 – Δ ≥ 0 autrement dit ≤ 7300 / 1 = 7300.
C'est la non-négativité de la variable e3 qui limite le temps de location : Kalinine devrait louer au
plus 300 minutes, soit 5 heures. (Ces heures permettraient d'augmenter de 0,2300 = 60 unités la
production des roubachki La Cosaque; la production des 3 autres modèles resterait inchangée;
l'atelier de broderie serait alors utilisé à pleine capacité.)
Le taux maximal à payer pour la location de temps de coupe est de 4$ la minute, soit 240 $/h, en
sus des coûts actuels de main-d'oeuvre dans cet atelier.
Scénario 5. La mise à pied d'ouvriers chez un concurrent permettrait à Kalinine d'augmenter le
personnel de l'atelier d'emballage. Quel serait le nouveau plan de production si le temps
disponible le mois prochain dans l'atelier d'emballage augmentait de 9600 minutes?
Il restera exactement le même puisque le temps disponible dans l'atelier d'emballage était déjà
sous-utilisé. En effet, la variable d’écart e4 prend la valeur 7300 dans le lexique optimal et, par
conséquent, 7300 des 25 000 minutes disponibles à cet atelier ne sont pas utilisées par le plan
optimal de production; en ajouter 9600 ne servirait évidemment à rien.
Scénario 6. L'un des détaillants qui écoulent les roubachki de Kalinine vient de noter une erreur
dans sa dernière commande : il a demandé 100 roubachki et a spécifié le modèle L'Ukrainienne
alors qu'en fait c'est le modèle La Slavonne qu'il voudrait recevoir. La maison Kalinine doit
donc modifier son carnet de commandes fermes, révisant de 100 unités à la baisse la demande de
L'Ukrainienne et de 100 unités à la hausse celle de La Slavonne. Quel est l'impact d'une telle
révision sur le plan de production et sur le profit optimaux?
Pour traduire cette révision, nous récrivons les contraintes «Carnet Ukraine» et «Carnet
Slavonne» sous la forme suivante :
xU 1000 Δ5
xS 1300 Δ6
où Δ5 = 100 et Δ6 = 100. Dans le modèle sous forme d’équations, la contrainte «Carnet
Ukraine» s’écrit :
xU e5 = 1000 Δ5
Calcul des intervalles de variation et analyse de scénarios 15
et la colonne de Δ5 est identique à celle de e5 (c’est d’ailleurs pour obtenir cette propriété que
nous avons exprimé la modification au carnet de commandes de L'Ukrainienne par un terme
affecté d’un signe moins). Les colonnes de Δ6 et de e6 également sont identiques. Il en sera de
même, au signe près, dans le «lexique» optimal, de sorte que les variables de base dans la
solution associée se calculent de la façon suivante.
xC = 1040 + 1,6 Δ 5 + 1,2 Δ 6 = 1040 + (1,6100) + 1,2 (–100) = 1080
e2 = 5500 – 8 Δ 5 – 5 Δ 6 = 5500 – (8100) – 5 (–100) = 5200
e3 = 1200 – 17 Δ 5 – 14 Δ 6 = 1200 – (17100) – 14 (–100) = 900
e4 = 7300 – 2 Δ 5 – Δ6 = 7300 – (2100) – (–100) = 7200
xU = 1000 – Δ 5 = 1000 – 100 = 900
xS = 1300 – Δ 6 = 1300 – (–100) = 1400.
Puisque toutes les variables de base sont non négatives, l'impact de la révision sur le plan de
production optimal peut être décrit à partir du lexique optimal du modèle (P) : aucune roubachka
La Tatare ne sera fabriquée; la production de La Cosaque augmentera de 40 unités; pour les deux
autres modèles, Kalinine ne fera que répondre aux commandes de son carnet. La révision
entraînera une hausse de profit de 800 $ :
z' = z + 8 Δ 5 + 0 Δ 6 = z + (8 100) + 0(–100) = z + 800.
3E.4 Analyse de scénarios en l’absence d’un lexique optimal : CinéFam
Une jeune entreprise, CinéFam, s'approvisionne en téléviseurs de deux types, A et B, auprès d'un
grand manufacturier d'appareils électroniques. CinéFam lui verse 500 $ par appareil de type A et
575 $ par appareil de type B.
Les téléviseurs, qui sont destinés au cinéma familial, sont modifiés dans les ateliers de CinéFam,
où ils sont dotés d'un transformateur et de deux enceintes acoustiques, avant d'être revendus sous
la marque CINÉ. Dans le commerce, les pièces d'un transformateur coûtent 100 $ à CinéFam,
alors que celles d'une enceinte acoustique lui reviennent à 60 $. Un des fournisseurs du
manufacturier peut lui fournir des transformateurs déjà montés pour 120 $ chacun et des
enceintes acoustiques déjà montées pour 70 $ chacune. Mais le manufacturier exerce des
pressions sur le fournisseur pour restreindre ce genre de transactions qui favorisent, selon lui, le
démarrage intempestif de petits concurrents. CinéFam sait que le fournisseur, soucieux de garder
de bonnes relations avec le manufacturier, refusera de lui vendre plus de 100 transformateurs et
plus de 200 enceintes pour la prochaine rafale.
Modifier un téléviseur chez CinéFam requiert 120 unités de production dans le cas d'un appareil
de type A et 140 unités dans le cas d'un appareil de type B. CinéFam, qui doit également
16 Annexe 3E
compter 10 unités de production pour assembler un transformateur et 10 unités pour assembler
une enceinte acoustique, dispose de 28 000 unités de production pour la prochaine rafale.
CinéFam s'est engagée à livrer à ses détaillants au moins 180 CINÉ. De plus, il a été entendu que
les appareils de type A compteraient pour au plus 80 % de la production de CINÉ de type B.
CinéFam éprouve présentement de sérieux problèmes de liquidités. Son propriétaire, qui
souhaite minimiser le capital à investir dans la prochaine rafale, a construit un modèle linéaire
continu pour analyser la situation. Voici les variables de décision utilisées :
TVj = nombre de téléviseurs de type j achetés j = A, B
TA = nombre de transformateurs assemblés par CinéFam
TF = nombre de transformateurs achetés du fournisseur
EA = nombre d'enceintes assemblées par CinéFam
EF = nombre d'enceintes achetées du fournisseur.
Le modèle s'écrit :
Min z = 500 TVA + 575 TVB + 100 TA + 120 TF + 60 EA + 70 EF
sous les contraintes :
DISP PROD 120 TVA + 140 TVB + 10 TA + 10 EA 28 000
MAX TF TF 100
MAX EF EF 200
LIEN TV-T TVA + TVB TA TF 0
LIEN TV-E 2 TVA + 2 TVB EA EF 0
DEMANDE TVA + TVB 180
MAX A/B TVA 0,8 TVB 0
TVA , TVB , TA , TF , EA , EF 0.
L’intégrité des variables sera prise en compte lors de l’interprétation des résultats. Le propriétaire
a utilisé le solveur d’Excel pour résoudre ce modèle et a obtenu la solution optimale suivante,
dont le coût est de 138 100 $ :
TVA = 80 TVB = 100
TA = 180 TF = 0
EA = 260 EF = 100.
Calcul des intervalles de variation et analyse de scénarios 17
De plus, lorsque la boîte «Résultat du solveur» s’est affichée, il a sélectionné le rapport
«Sensibilité». Voici le tableau obtenu : la section « Cellules variables » donne les intervalles de
variation des coefficients cj de la fonction-objectif et la section « Contraintes », les intervalles des
membres droits des contraintes technologiques. Noter que le solveur d’Excel ne respecte pas
l’ordre des contraintes; par exemple, la ligne associée au membre droit de « Max A / B » arrive en
1er
lieu dans le tableau, alors qu’il s’agit de la 7e et dernière contrainte technologique du modèle.
Cellules variables
Finale Valeur Objectif Marge Marge
Cellule Nom Valeur Marginale Coefficient Supérieure Inférieure
$B$23 Valeur de TVA 80 0 500 95 2076,25
$C$23 Valeur de TVB 100 0 575 1E+30 95
$D$23 Valeur de TA 180 0 100 10 110
$E$23 Valeur de TF 0 10 120 1E+30 10
$F$23 Valeur de EA 260 0 60 10 10
$G$23 Valeur de EF 100 0 70 10 10
Contraintes Finale Valeur Contrainte Marge Marge
Cellule Nom Valeur Marginale à droite Supérieure Inférieure
$H$19 Max A / B M.G. 0 -52,778 0 90 90
$H$13 Disp Prod M.G. 28000 -1 28000 1000 1000
$H$18 Demande M.G. 180 922,778 180 6,207 6,207
$H$14 Max TF M.G. 0 0 100 1E+30 100
$H$15 Max EF M.G. 100 0 200 1E+30 100
$H$16 Lien TV-T M.G. 0 -110 0 100 100
$H$17 Lien TV-E M.G. 0 -70 0 100 100
Scénario 1. Le propriétaire croit que le fournisseur, sous l’influence du manufacturier, pourrait
augmenter le prix qu’il exige pour ses enceintes. Quel serait le plan de production optimal si le
prix d’une enceinte était fixé à 75 $, plutôt qu’à 70 $ ? Quels seraient alors les coûts totaux
encourus par CinéFam ?
Selon la dernière ligne de la 1re
section du tableau ci-dessus, l’intervalle de variation du
coefficient cj de la variable EF est [60; 80]. Comme la valeur considérée 75 appartient à cet
intervalle, le plan optimal de production resterait le même. Mais, les coûts totaux augmenteraient
à 138 600 dollars :
z' = z + 5 EF = 138 100 + (5 100) = 138 600.
Scénario 2. Le propriétaire a négocié avec un autre fournisseur et il croit qu’il pourrait obtenir
des transformateurs à 111 $ l’unité. Que deviendraient le plan de production optimal et les coûts
totaux s’il réussissait à s’entendre avec ce nouveau fournisseur et que son ancien fournisseur
maintenait à 70 $ le prix unitaire des enceintes ?
18 Annexe 3E
La valeur 111 appartient à l’intervalle de variation [110; [ du coefficient cj de la variable TF.
Par conséquent, ni le plan optimal, ni les coûts totaux ne seraient affectés par ce changement :
z' = z 9 TF = 138 100 (9 0) = 138 100.
Scénario 3. Le propriétaire aimerait également savoir si le plan optimal serait affecté dans le
cas où les deux changements évoqués aux scénarios 1 et 2, à savoir une augmentation de 5 $ du
prix unitaire des enceintes et une diminution de 9 $ de celui des transformateurs, se concréti-
saient en même temps.
Même si les deux valeurs considérées appartiennent aux intervalles de variation correspondants,
nous ne pouvons répondre à la question avec les informations disponibles. Cependant, si on
modifie le modèle Excel et que l’on réoptimise à l’aide du solveur, on obtient la solution
optimale suivante, dont le coût est de 138 200 $ :
TVA = 80 TVB = 100
TA = 80 TF = 100
EA = 360 EF = 0.
Noter que ce plan diffère de celui découlant du modèle originel.
Scénario 4. Le propriétaire craint que seulement 27 500 unités de production seront disponibles
pour la prochaine rafale. Et il se demande si cette diminution de ses ressources l’amènerait à
devoir acheter des transformateurs du fournisseur.
Selon la 1re
ligne de la 2e section du tableau ci-dessus, l’intervalle de variation du membre droit
de la contrainte « Disp Prod » est [27 000; 29 000]. Comme la valeur considérée 27 500 appartient
à cet intervalle, nous pouvons conclure que le lexique optimal du modèle modifié s’obtient du
lexique optimal du modèle originel et contient la même liste de variables de base. Par
conséquent, à l’optimum, TF restera hors base et donc nulle.
Note. La valeur 1 affichée comme valeur marginale dans le tableau indique que resserrer unitairement
l’exigence de la contrainte « Disp Prod », c’est-à-dire diminuer de 1 son membre droit, se traduit par une
augmentation de 1 $ de la valeur optimale de z. Ainsi, les coûts totaux s’élèveraient à 138 600 $ selon ce
scénario :
z' = z + 1 (28 000 27 500) = 138 100 + 500 = 138 600.
Cependant, l’information fournie par le solveur d’Excel ne permet pas de déterminer le plan de production
optimal associé. Pour le connaître, il faut soit disposer d’un lexique optimal comme dans l’article précédent,
soit modifier le modèle et réoptimiser. À titre d’information, voici le plan optimal que l’on obtient :
TVA = 80 TVB = 100
TA = 180 TF = 0
EA = 210 EF = 150.
Calcul des intervalles de variation et analyse de scénarios 19
Scénario 5. Enfin, le propriétaire se demande ce qu’il adviendrait si les scénarios 1 et 4 se
concrétisaient en même temps. Quelle information pourrait-on lui donner à partir des résultats
fournis par le solveur d’Excel ?
Ici, on modifie un seul coefficient cj et un seul membre droit. Comme les deux valeurs
considérées appartiennent aux intervalles de variation correspondants, nous pouvons conclure que
le lexique optimal du modèle modifié s’obtient du lexique optimal du modèle originel et
contient la même liste de variables de base. Par conséquent, à l’optimum, TF restera hors base et
donc nulle. Mais, on ne peut déterminer ni le plan de production optimal, ni les coûts totaux
associés.
Note. Pour le plan de production optimal, il faut procéder comme dans la note du scénario 4. De plus, la
valeur minimale de z' se calcule comme suit :
z' = z + 5 EF + 1 (28 000 27 500) = 138 100 + (5 150) + 500 = 139 350.
On notera que nous devons connaître la valeur de EF dans la solution optimale du modèle modifié pour
obtenir la valeur optimale de z'.
